Модель отслеживания рук Google на устройстве, последняя версия TuriCreate, очки с искусственным интеллектом, классификация текста на iOS и многое другое.
НОВОСТИ
Google запускает отслеживание рук на устройстве в режиме реального времени с помощью MediaPipe
Новый подход Google к отслеживанию рук на устройстве, который они представили на CVPR 2019, идентифицирует 21 трехмерную ключевую точку руки в одном кадре и может масштабироваться для отслеживания нескольких рук. Конвейер машинного обучения для этого решения состоит из нескольких моделей, работающих вместе — модели детектора ладоней, модели ориентира руки и распознавателя жестов. ["Читать далее"]
Apple выпускает TuriCreate 5.7 с однократным детектором объектов в качестве бета-инструмента
В дополнение к бета-инструменту одноразового детектора объектов последний выпуск платформы Apple для разработки пользовательских моделей машинного обучения включает поддержку Python 3.7 в macOS, повышенную производительность XGBoost, улучшенную совместимость с ноутбуками Jupyter и целый ряд исправлений ошибок. ["Читать далее"]
Cerebras Systems представляет рекордный 1,2-триллионный транзисторный чип для искусственного интеллекта
Учитывая, что это самый большой из когда-либо созданных полупроводниковых чипов, мы не увидим его в мобильных устройствах, но это техническое и механическое достижение может радикально ускорить время обучения моделей, которое в настоящее время служит узким местом для прогресса в отрасли. Много интересных и конкретных технических подробностей в этой статье от VentureBeat. ["Читать далее"]
Edge ML: большой обзор сравнительного анализа
Мы представили несколько отдельных сообщений Аласдера Аллана, посвященных машинному обучению на периферийных устройствах (например, Raspberry Pi, Jetson Nano и т. д.), но здесь он проделал большую работу, предоставив более полный набор тестов для вывода на широком диапазоне краевые устройства. Он также включает в себя некоторые идеи о проблемах и возможностях, связанных с выполнением логических выводов на периферии. ["Читать далее"]
Как приложение vFlat использует делегат графического процессора TFLite для получения логических выводов в режиме реального времени при сканировании книг
Действительно интересный проект и рецензия от ребят из VoyagerX. По сути, этот проект точно сканирует изогнутые страницы книги, отображая их в режиме реального времени в виде сплющенной страницы книги. Затем пользователи могут отрегулировать угол и рамку, прежде чем захватывать сплющенную страницу для просмотра, извлечения текста или других целей. Также много интересных заметок о процессе и проблемах, с которыми столкнулась команда. ["Читать далее"]
КОД / БИБЛИОТЕКИ
DrGFreeman / rps-cv
Игра Камень-ножницы-бумага, использующая компьютерное зрение и машинное обучение на Raspberry Pi. ["Проводить исследования"]
quq99 / краска для волос-android
Нейронная сеть для окрашивания волос💈- Android приложение. ["Проводить исследования"]
никбилд/шейдес
Очки с искусственным интеллектом — прозрачный пользовательский интерфейс для реального мира [Исследуй]
ультралитики/YOLOv3
YOLOv3 в PyTorch › ONNX › Core ML › iOS [Исследовать]
ОБУЧЕНИЕ
Секретные рецепты модели переноса в стиле TuriCreate
Хиджэ Ким с действительно интересным проектом, в котором он обучил модель передачи пользовательского стиля для приложения AR под названием Notable, которое позволяет пользователю менять местами разные лица на банкнотах США. ["Выучить больше"]
Создайте приложение для отслеживания посещаемости с распознаванием лиц в React Native
Верн Анчета показывает, как создать приложение React Native, использующее распознавание лиц для подтверждения того, что учащийся посещал занятия. ["Выучить больше"]
TensorFlow 2.0 в действии
Учебник Элвина Кунца охватывает несколько основных новых функций в TF 2.0 путем реализации GAN в наборе данных Fashion MNIST. ["Выучить больше"]
Классификация текста в iOS с помощью Create ML
Озгюр Шахин с отличным учебным пособием, в котором показано, как создать приложение для iOS, которое может классифицировать категории новостей. Он использует Create ML, платформу Apple для обучения пользовательских моделей машинного обучения на Mac. ["Выучить больше]"
Примечание редактора. Heartbeat – это онлайн-публикация и сообщество, созданное авторами и посвященное изучению нового пересечения разработки мобильных приложений и машинного обучения. Мы стремимся поддерживать и вдохновлять разработчиков и инженеров из всех слоев общества.
Редакционно независимая книга Heartbeat спонсируется и публикуется Fritz AI, платформой машинного обучения, которая помогает разработчикам обучать устройства видеть, слышать, ощущать и думать. Мы платим нашим авторам и не продаем рекламу.
Если вы хотите внести свой вклад, перейдите к нашему призыву участников. Вы также можете подписаться на получение наших еженедельных информационных бюллетеней (Deep Learning Weekly и Информационный бюллетень Fritz AI), присоединиться к нам на Slack и подписывайтесь на Fritz AI в Twitter, чтобы быть в курсе всех последних новостей в области мобильного машинного обучения.
